数据结构

数据结构与算法

10个数据结构：数组、链表、栈、队列、散列表、二叉树、堆、调表、图、Trie 树

10个算法：递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法

1.什么是数据结构

定义 操作系统中组织数据的集合

1.1 逻辑数据结构

反映数据元素之间的逻辑关系，与数据在计算机中存储的位置无关

形式：集合、线性、树形、图

1.2 物理数据结构

逻辑数据在计算机真正存储的形式

形式：1）顺序存储 --数组：数据元素放在地址连续的空间中，数据的逻辑关系与物理关系一致

​ 优点：方便进行随机元素的查找，查找速度快（下标）；

​ 缺点：数组的插入与删除操作很耗时，需要频繁的进行元素的移动，比较浪费内存空间

​ 2）不连续存储–链表：元素存储在随机单元中，可以是连续的，也可以是不连续的

​ （类比排队 只知前后的元素，对其他的不清楚，第一个节点一定知道第二个节点，但不知道第三个）

​ 优点：方便进行元素的插入与删除（若删除第三个元素，只需将第二个元素指向第四个元素）；

​ 缺点：元素查找速度慢，只能从前向后遍历（若需要找特定元素需从头遍历），节省空间

总结： 频繁查找用数组，频繁插入删除用链表、内存紧张用链表

计算机组成原理

内存：高速存储 CPU直接管理工作站：128G 读写速率高于磁盘先将数据读取到内存中，数据用完后清除出去，再读取新的数据

外存：硬盘 磁盘：PB C盘

内存：100MB 连续空间：可用连续空间70MB

要储存71MB，采用数组：一个元素也放不下（连续空间不足） 若采用链式存储：能存储70MB空间元素

2. 什么是算法

**定义：**算法是在特定的数据结构上一组输入按照特定的方式输出。是良好的计算过程，是解决问题求解的步骤。

如何衡量一个算法的优缺点？

以空间换时间

从两个角度：时间上；空间上；

3.时间复杂度

时间复杂度：衡量一个算法的运行速度，时间效率；

3.1 评判方法：

事后统计法：把代码跑一遍，通过统计、监测等手段就能得到算法执行时间和占用内存大小

​ 缺点：1）测试结果非常依赖测试环境

​ 2）测试结果受数据影响很大

3.2 大O时间复杂度方法

所有代码的执行时间T（n）与每行代码的执行次数 n 成正比：T（n）=O( f ( n ) );当n足够大只需计算最大量级；

大O时间复杂度实际上并不具体表示代码的真正执行时间，而是表示代码执行时间随数据规模度增长的变化趋势，所以也叫作 渐进时间复杂度，简称时间复杂度

分析方法：

1. 只关心循环次数最多的代码（代码中只有一个循环体时）；
2. 加法法则：总复杂度等于量级最大的那段代码的复杂度（代码中有多个循环体）；
3. 乘法法则：嵌套代码的复杂度等于嵌套内外代码复杂度的乘积

3.2.1多项式时间复杂度： O（1）、O（n）、O（log n）、O（O^2）

O（1）：常数级时间复杂度 只要代码不随n增长变化，都属于O（1）常数级复杂度；

O（n）：

O（n^2）：

for(int i=0;i<n;i++){//看自变量有没有参与运算
    for(int j=0;j<i;j++){
        
    }
}

O（m+n）：与m、n、趋势有关，由于m与n的数据规模不定，因此使用加法法则保留两者的复杂度。

int cal(int m,int n){
    int sum_1=0;
    int i=i;
    for(;i < m;i++){//只有当这个循环的规模也不确定时，两个复杂度都保留
       sum_i = sum_i+1;
    }
    int sum_2 = 0;
    int j = 1;
    for(; j < n; ++j){
       sum_2 = sum_2 + j;
     }
    return sum_1 + sum_2;
}

O(log n)：对数时间复杂度 ：任意底数的对数都可以换成以2为底

O（nlogn）：快速排序、归并排序、

for(int i=0;i<n;i++){//两层循环
    while(i<=n){
        i=i*2;
    }
}

3.2.2非多项式时间复杂度：O(2^n) 、O( n! )

复杂度量级分为两类：当n越来越大时，非多项式的时间复杂度急剧增加，因此非多项式的算法基本不用。

3.3 最好、最坏、平均时间复杂度

//n表示数组array的长度
int find(int[] array, int n, int x) { 
     int i = 0;  int pos = -1;  
     for (; i < n; ++i) {    
         if (array[i] == x)
             pos = i; 
     }  
     return pos; 
 }
//这个代码的时间复杂度为O（n）；

//优化后代码
int find(int[] array, int n, int x) { 
     int i = 0;  int pos = -1;  
     for (; i < n; ++i) {    
         if (array[i] == x){
             pos = i; 
             break；
         }
     }  
     return pos; 
 }
//代码时间复杂度
//最好情况：第一个元素即为所要查找元素  O（1）
//最坏情况：最后一个元素为所要查找元素  O（n）
//平均情况： 有n+1中情况               O（n）

时间复杂度排序：O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)

4.空间复杂度：

代码所占用的空间所需内存大小

S（n）=O(f(n));

public static int sun(int n){
    int count =0;
    for(int i=1;i<=n;i++){
        count +=i;
    }
    retuen count;
}
//上述代码空间复杂度是：O（1） 

另：

public class Test{
    public static void main(String[] args){
        fun();
    }
    public static void fun(){
        fun();
    }
}

上述程序出现：栈溢出异常：

这个异常属于非受查异常